VidProm

VidProm是一个用于生成视频的文本提示数据集，由人类编写的文本提示组成，旨在帮助模型更好地适应真实世界的人类输入。该数据集用于生成多个视频，并通过OmniScore评分系统进行质量评估，形成偏好对数据集。数据集的创建过程包括自动生成偏好对数据，并通过重新加权策略提高训练效率。该数据集主要应用于视频生成模型的用户偏好对齐，旨在提高生成视频的视觉质量和语义对齐。

VidProm is a text prompt dataset for video generation, composed of human-written text prompts, which aims to help models better adapt to real-world human inputs. This dataset is utilized to generate multiple videos, and conducts quality assessment via the OmniScore scoring system to form preference pair datasets. The dataset creation process includes automatically generating preference pair data, and adopting a reweighting strategy to improve training efficiency. This dataset is primarily applied to user preference alignment for video generation models, with the objective of enhancing the visual quality and semantic alignment of the generated videos.

搜集汇总

数据集介绍

构建方式

VidProm数据集的构建基于OmniScore评分系统，该系统综合考虑了视频的视觉质量和语义对齐。具体而言，数据集通过自动生成偏好对数据，从多个视频中根据给定的提示生成N个视频，并使用OmniScore对这些视频进行评分。评分最高的视频被选为偏好视频，评分最低的视频则被选为负样本，从而形成偏好对数据集。此外，数据集还采用了基于OmniScore的重新加权策略，对具有明显质量差异的偏好对赋予更高的权重，以增强模型在训练中的偏好对齐效果。

特点

VidProm数据集的主要特点在于其综合性的评分系统OmniScore，该系统不仅评估视频的视觉质量，还考虑了语义对齐，确保生成的视频在视觉和语义上都能满足用户需求。此外，数据集通过自动化的偏好对生成和重新加权策略，有效减少了人工标注的成本，并提高了数据集的多样性和实用性。

使用方法

VidProm数据集可用于训练和评估视频生成模型的偏好对齐能力。研究者可以通过该数据集训练视频扩散模型，使其在生成视频时更好地符合用户偏好。具体使用方法包括：首先，利用数据集中的偏好对数据进行模型训练；其次，通过OmniScore评分系统对生成的视频进行评估，确保模型在视觉质量和语义对齐方面达到预期效果。此外，数据集还可用于验证不同视频生成模型的性能，通过对比实验评估模型的优劣。

背景与挑战

背景概述

VidProm数据集由香港科技大学、中国人民大学和约翰斯·霍普金斯大学的研究人员共同创建，旨在支持视频扩散生成模型的用户偏好对齐研究。该数据集的构建基于VideoDPO框架，通过引入OmniScore评分系统，全面评估生成视频的视觉质量和语义对齐，从而解决现有文本到视频生成模型在用户偏好对齐方面的不足。VidProm数据集的创建不仅推动了视频生成技术的发展，还为相关领域的研究提供了丰富的资源，特别是在生成模型与用户偏好对齐的挑战性问题上。

当前挑战

VidProm数据集的构建面临多个挑战。首先，生成视频的视觉质量和语义对齐之间的平衡是一个复杂的问题，现有方法往往只关注单一维度，难以全面捕捉用户偏好。其次，获取高质量的偏好标注数据成本高昂，依赖人工标注效率低下。此外，数据集的构建过程中，如何有效筛选和重新加权偏好对，以提升模型的对齐效果，也是一个重要的技术难题。最后，随着数据规模的扩大，如何在保证数据多样性的同时，确保模型能够有效学习并提升生成质量，是另一个亟待解决的挑战。

常用场景

经典使用场景

VidProm数据集的经典使用场景主要集中在视频生成模型的用户偏好对齐任务中。通过该数据集，研究者可以训练和优化视频扩散生成模型，使其生成的视频在视觉质量和语义对齐方面更符合用户偏好。具体而言，VidProm数据集用于构建偏好对数据集，通过OmniScore评分系统对生成的视频进行多维度评估，从而实现对视频生成模型的精准对齐。

衍生相关工作

VidProm数据集的提出催生了一系列相关研究工作。首先，OmniScore评分系统的引入为视频生成模型的评估提供了新的多维度标准，推动了视频生成质量评估的研究进展。其次，基于VidProm数据集的偏好对齐方法被广泛应用于其他生成模型中，如图像生成和文本生成领域，进一步扩展了其影响力。此外，VidProm数据集的成功应用也为其他多模态生成任务提供了宝贵的经验和参考。

数据集最近研究

最新研究方向

近年来，生成扩散模型在文本到视频生成领域取得了显著进展，但现有模型在生成质量和文本-视频语义对齐方面仍难以满足用户偏好。针对这一问题，最新的研究方向集中在通过用户偏好优化（DPO）来改进视频扩散模型的生成效果。VideoDPO通过引入OmniScore评分系统，综合考虑视频的视觉质量和语义对齐，提出了一种自动生成偏好数据并进行数据重加权的策略，显著提升了生成视频的视觉质量和语义一致性。该研究不仅在多个开源文本到视频生成模型上验证了其有效性，还为未来的视频生成模型提供了新的优化思路，特别是在用户偏好对齐和生成质量提升方面具有重要意义。

相关研究论文

• VideoDPO: Omni-Preference Alignment for Video Diffusion Generation

  香港科技大学, 中国人民大学, 约翰斯·霍普金斯大学 · 2024年